遙感影像分類是通過遙感分類技術(shù)大致區(qū)分影像中各類地物,是遙感圖像處理的一個重要環(huán)節(jié),對國防安全建設(shè)、城市規(guī)劃、災(zāi)害監(jiān)測、景觀分析等具有重要意義。常用遙感影像分類方法有監(jiān)督分類、非監(jiān)督分類等,這些分類方法可以在一定程度上解決分類識別問題,隨著遙感影像獲取技術(shù)的進步和影像分辨率不斷提高,影像包含的紋理信息豐富、特征較多、地物分布復(fù)雜,給分類識別增加了困難。因此越來越多的學(xué)者對高分辨率影像分類問題進行研究,如何利用這些信息成為了研究的熱點。Krizhevsky將深度學(xué)習(xí)應(yīng)用于圖像識別時分類精度明顯高于傳統(tǒng)的分類方法。自此,眾多學(xué)者開始對深度學(xué)習(xí)進行研究,在圖像、語音識別等領(lǐng)域中取得較好效果。深度學(xué)習(xí)在自然圖像識別的成功為其在遙感影像應(yīng)用提供依據(jù),當(dāng)前如何將深度學(xué)習(xí)應(yīng)用到高分辨率遙感影像中的研究成為趨勢。本文以Matlab(R2017b)為實驗平臺,使用UC Merced_LandUse和WHU-RS19數(shù)據(jù)集,主要研究深度置信網(wǎng)絡(luò)在高空間分辨率遙感影像分類中的應(yīng)用。主要研究內(nèi)容及結(jié)論如下:(1)針對高分辨率遙感影像特征繁多,使用單一特征描述分類精度不高等問題,提出了一種多...

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-1技術(shù)路線圖

圖1-1技術(shù)路線圖排如下：

圖2-1UCMerced數(shù)據(jù)集場景類別影像圖（部分場景）

圖2-1UCMerced數(shù)據(jù)集場景類別影像圖（部分場景）U-RS19數(shù)據(jù)集

圖2-2WHU-RS19數(shù)據(jù)集場景類別影像圖（部分場景）

圖2-2WHU-RS19數(shù)據(jù)集場景類別影像圖（部分場景）據(jù)預(yù)處理理是處理數(shù)據(jù)之前對數(shù)據(jù)進行操作，原始數(shù)據(jù)集中部分影像

圖3-1Census變換

圖3-1Census變換通過中心點與周圍8個鄰域像素的灰度值對比，得到一個2進制的8位數(shù)以組合（選擇從左至右，從上到下），對應(yīng)的十進制范圍值在[0，255]之間。

本文編號：3968099